英国芯片厂商Arm今天表示,将在最新的Armv8-M架构中添加“Arm Custom Instructions”功能。
此举是为了让客户可以将针对嵌入式和物联网应用的特定指令添加到CPU中。Armv8-M架构是Arm现有M33 Cortex-M低功耗处理器系列的基础架构,该系列处理器主要面向一系列物联网和移动设备。
Arm的商业模式与其他芯片制造商明显不同之处在于,Arm将芯片设计许可给合作伙伴,然后由合作伙伴自己开发实际的硬件,其中很多合作伙伴都希望适配Arm的设计,这样就可以开发用于特定任务的处理器,提供更高的性能和效率。
Arm今天在第15届Arm TechCon 2019年度大会上表示,Arm Custom Instructions是建立在Arm芯片合作伙伴创新这一理念基础上的。Arm公司首席执行官Simon Segars在今天上午的主题演讲中表示:“在芯片中增加灵活性是有空间的,例如增加了并非所有工作负载都需要的计算或安全功能。”
Arm Custom Instructions让芯片设计人员可以向其M33 Cortex-M CPU中添加“自定义数据路径扩展”。Arm表示,通过这种方式他们就可以打造各种加速器,从而在人工智能、机器学习和自动驾驶汽车等边缘计算用例实现更高的性能。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“ Arm的自定义指令可以帮助解决芯片制造商在不使用加速卡的情况下以低延迟增加加速的问题。这是一种很新颖的方法,因为它支持‘自带指令',意味着芯片制造商可以以结构化的方式添加自己的IP,而且这也不会取代高端加速器芯片。”
确实,Segars在今天上午的主题演讲中再次强调了Arm的目标,即让Arm芯片满足大范围的计算需求,特别是随着5G网络、物联网和人工智能技术发展成熟的时候。他说:“我们希望涵盖一切,从最大的计算机到最小的传感器。”
Arm表示,将于明年上半年在其M33 CPU中实现自定义指令,而无需向被许可方支付任何额外费用。
在这次大会上Arm还宣布将为针对低功率物联网设备的Mbed操作系统引入一种新的治理模型。Mbed OS包含了开发人员基于Arm Cortex-M微控制器开发连接产品所需的所有功能,包括安全性、连接性、RTOS,以及用于传感器和I/O设备的驱动程序。
Arm表示,Mbed OS Partner Governance治理模型让用户在未来操作系统开发过程中拥有更多发言权,从而加强创新。伴随这个新模型的推出,Arm将成立一个新的产品工作组,该工作组每月开一次会,以应优先考虑哪些新Mbed OS功能进行投票,而且会议对Mbed Silicon合作伙伴计划的所有成员开放。
“Mbed OS一直是开源的物联网操作系统,同时我们也在不断改变其治理方式,以便我们的芯片合作伙伴可以直接参与到未来的发展中,加大我们在构建新功能和特性方面的努力,而这对于我们扩展到一万亿个互联设备的目标来说至关重要。”
此外,Arm最近还与Robert Bosch GmbH、Continental AG、Denso、General Motors、Nvidia、NXP Semiconductors和Toyota Motor等合作伙伴宣布成立了一个新的“自动驾驶汽车计算联盟”。
该联盟的目标是尝试克服在打造全自动驾驶汽车方面的一些最大挑战,首要任务之一就是提出“针对系统架构和计算平台的一系列建议,让自动驾驶系统的性能要求与车辆特定的要求和局限相协调”。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。